Continuous Learning

継続学習スキル

Claude Code セッションを終了時に自動的に評価し、学習済みスキルとして保存できる再利用可能なパターンを抽出します。

仕組み

このスキルは各セッションの終了時に Stop フックとして実行されます:

1. セッション評価: セッションに十分なメッセージがあるかチェック（デフォルト: 10 以上）
2. パターン検出: セッションから抽出可能なパターンを識別
3. スキル抽出: 有用なパターンを ~/.claude/skills/learned/ に保存

設定

config.json を編集してカスタマイズ:

{
  "min_session_length": 10,
  "extraction_threshold": "medium",
  "auto_approve": false,
  "learned_skills_path": "~/.claude/skills/learned/",
  "patterns_to_detect": [
    "error_resolution",
    "user_corrections",
    "workarounds",
    "debugging_techniques",
    "project_specific"
  ],
  "ignore_patterns": [
    "simple_typos",
    "one_time_fixes",
    "external_api_issues"
  ]
}

パターンタイプ

フック設定

~/.claude/settings.json に追加:

{
  "hooks": {
    "Stop": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
      }]
    }]
  }
}

なぜ Stop フック？

• 軽量: セッション終了時に一度だけ実行
• ノンブロッキング: すべてのメッセージにレイテンシを追加しない
• 完全なコンテキスト: セッショントランスクリプト全体にアクセス可能

関連

• The Longform Guide - 継続学習のセクション
• /learn コマンド - セッション途中での手動パターン抽出

比較メモ（調査: 2025 年 1 月）

vs Homunculus (github.com/humanplane/homunculus)

Homunculus v2 はより洗練されたアプローチを取ります:

homunculus からの重要な洞察:

"v1 はスキルに依存して観察していました。スキルは確率的で、約 50-80% の確率で起動します。v2 は観察にフック（100% 信頼性）を使用し、本能を学習された動作の原子単位として使用します。"

潜在的な v2 拡張

1. 本能ベースの学習 - 信頼度スコア付きの小さな原子的動作
2. バックグラウンドオブザーバー - 並行して分析する Haiku エージェント
3. 信頼度減衰 - 矛盾すると本能の信頼度が低下
4. ドメインタグ付け - code-style、testing、git、debugging など
5. 進化パス - 関連する本能をスキル/コマンドにクラスター化

詳細は /Users/affoon/Documents/tasks/12-continuous-learning-v2.md を参照。

Converted and distributed by TomeVault — claim your Tome and manage your conversions.